使用values和counts绘制直方图遇MemoryError，求优化方案

你遇到的问题是因为np.repeat会生成规模达21亿+的超大数组，远超内存承载能力——完全没必要重建原始数据，直接利用频次信息即可绘制直方图，以下是两种高效实现方式：

方法一：利用matplotlib hist的weights参数（最简洁） #

matplotlib的hist函数本身支持weights参数，直接传入每个数值对应的频次，函数会自动基于权重计算各区间的总频次，无需生成原始数据数组：

import numpy as np 
import matplotlib.pyplot as plt 

values = [1, 2, 2.5, 4, 5, 5.75, 6.5]
counts = [10**8, 10**9, 1.5*10**7, 1.25*10**7, 10**6, 10**7, 10**9]

f1, ax = plt.subplots(1,1)
# 传入values和对应的weights参数，直接生成直方图
ax.hist(values, bins=5, weights=counts)
plt.show()

方法二：手动计算区间频次后绘制柱状图（更灵活） #

如果需要更精细地控制直方图的生成逻辑，可以手动计算每个bin的总频次，再用bar绘制：

import numpy as np 
import matplotlib.pyplot as plt 

values = [1, 2, 2.5, 4, 5, 5.75, 6.5]
counts = np.array([10**8, 10**9, 1.5*10**7, 1.25*10**7, 10**6, 10**7, 10**9])

# 定义5个bin的边界
bins = np.linspace(min(values), max(values), 5 + 1)
# 确定每个value所属的bin索引
bin_indices = np.digitize(values, bins) - 1
# 计算每个bin的总频次
bin_total_counts = np.bincount(bin_indices, weights=counts, minlength=len(bins)-1)

f1, ax = plt.subplots(1,1)
# 绘制柱状图，宽度为bin的区间长度
ax.bar(bins[:-1], bin_total_counts, width=np.diff(bins))
plt.show()

这两种方法都不会生成超大数组，内存占用仅取决于values和counts的长度，完全解决内存溢出问题。

内容的提问来源于stack exchange，提问作者pkj